Pandas无需数值聚合的透视实现：将字符串值转为宽表格式

pandas完全可以实现这个需求，你之前用的pivot_table是带数值聚合逻辑的，这个场景下用基础的pivot方法或者分组聚合展开即可，以下是两种常用实现方案：

方案1：分组生成序号 + pivot重塑（逻辑最清晰，性能更好） #

代码实现：

import pandas as pd

# 你的原始数据
d = {'Name': ['Sally', 'Sally', 'Sally', 'James', 'James', 'James'], 'Sports': ['Tennis', 'Track & field', 'Dance', 'Dance', 'MMA', 'Crosscountry']}
df = pd.DataFrame(data=d)

# 1. 给同一名用户下的每条运动记录生成序号
df['运动序号'] = df.groupby('Name').cumcount() + 1

# 2. 直接用pivot重塑为宽表
df_wide = df.pivot(
    index='Name',
    columns='运动序号',
    values='Sports'
)

# 3. 重命名列符合需求，重置索引
df_wide.columns = [f'第{i}运动' for i in df_wide.columns]
df_wide = df_wide.reset_index()

运行后最终输出的df_wide结构如下：

如果需要调整运动的排序规则，只需要在生成序号前对df按Name和你需要的排序字段（比如运动名称）排序即可。

方案2：分组聚合列表后展开（代码更简洁） #

如果不同用户参与的运动数量不一致，会自动补空值，推荐用这个方案：

df_wide = df.groupby('Name')['Sports']\
            .agg(list)\
            .apply(pd.Series)\
            .rename(columns=lambda x: f'第{x+1}运动')\
            .reset_index()

内容的提问来源于stack exchange，提问作者Wingyan Yip